YOLOv5-seg en reComputer R Series (CM5 + Hailo-8)

YOLOv5-seg (segmentación de instancias basada en anchors) detecta 80 clases COCO y genera una máscara de píxeles por instancia. El HEF expone tres cabezas de detección sin procesar más un tensor de prototipos de máscara; la aplicación decodifica los anchors en la CPU, aplica NMS por clase y ensambla las máscaras a partir del tensor de prototipos.

Esta página está dirigida a la reComputer R Series (CM5 + Hailo-8) con un acelerador Hailo-8 PCIe.

Información del modelo

Variante	Parámetros	mAP de hardware	Tamaño HEF
YOLOv5n-seg	1.99M	22.9	4.7 MB
YOLOv5s-seg	7.61M	30.7	8.7 MB
YOLOv5m-seg	32.60M	36.6	28.1 MB

Propiedades comunes:

Propiedad	Valor
Arquitectura	YOLOv5-seg (3 anchors, strides 8/16/32)
Entrada	640x640x3 RGB (normalize_in_net, mean 0 / std 255)
Salida	proto (160x160x32) + 3 cabezas de detección (351 canales cada una)
Relleno letterbox	114 (gris, convención YOLO)
HEF	Hailo Model Zoo v2.19.0, Hailo-8

Los valores de precisión son referencias de Hailo Model Zoo, no mediciones realizadas en CM5.

Configuración de hardware y del host

bash

sudo apt update
sudo apt install hailort hailort-pcie-driver python3-hailort
sudo reboot

hailortcli --version
hailortcli fw-control identify
ls -l /dev/hailo0

Descargar la imagen

La imagen está publicada en GHCR. Descárgala antes de iniciar el contenedor:

bash

sudo docker pull ghcr.io/seeed-projects/recomputer-hailo8-cv/yolov5n_seg:latest
sudo docker pull ghcr.io/seeed-projects/recomputer-hailo8-cv/yolov5s_seg:latest
sudo docker pull ghcr.io/seeed-projects/recomputer-hailo8-cv/yolov5m_seg:latest

Ejecutar con el vídeo de demostración

YOLOv5n-seg:

bash

sudo docker run --rm \
  --name cm5-hailo8-yolov5n-seg \
  --privileged \
  --net=host \
  -e PYTHONUNBUFFERED=1 \
  --device /dev/hailo0:/dev/hailo0 \
  -v /usr/lib/libhailort.so.4.23.0:/usr/lib/libhailort.so.4.23.0:ro \
  -v /usr/lib/libhailort.so:/usr/lib/libhailort.so:ro \
  ghcr.io/seeed-projects/recomputer-hailo8-cv/yolov5n_seg:latest \
  python web_detection.py --model_path model/yolov5n_seg.hef --video_path video/test.mp4

YOLOv5s-seg / YOLOv5m-seg usan el mismo comando; sustituye yolov5n_seg por yolov5s_seg o yolov5m_seg.

Abre http://<Board_IP>:8000 para ver la vista previa web con máscaras de instancia.

Modo cámara USB

Añade --device /dev/video0:/dev/video0 y sustituye --video_path video/test.mp4 por --camera_id 0.

API REST

bash

curl -X POST "http://<Board_IP>:8000/api/models/yolov5n_seg/predict" \
  -F "file=@test.jpg"

Punto de acceso	Método	Propósito
`/api/models/yolov5n_seg/predict`	POST	Cajas + máscaras de instancia (JSON)
`/api/video_feed`	GET	Flujo de vista previa MJPEG

Detalles de implementación

La decodificación sigue el posprocesado yolov5_seg de Hailo Model Zoo: decodificación de anchors (xy = (sigmoid(xy) * 2 + grid - 0.5) * stride, wh = (sigmoid(wh) * 2) ** 2 * anchor_grid) → objectness × puntuación de clase → NMS por clase → sigmoid(coeffs @ proto) escalado a la entrada y recortado a cada caja.
Las tres cabezas de detección se identifican por sus 351 canales y se ordenan por tamaño espacial (stride 32 → 16 → 8); la cabeza proto es el tensor 160x160x32. La primera inferencia imprime el nombre y la forma de cada vstream para poder verificar la asignación en el hardware.
El ejecutor usa la API VStreams de HailoRT 4.23 y un HEF específico para Hailo-8.
Módulo fuente: src/rpi5_hailo8_yolov5n_seg/ (también ..._s_seg/, ..._m_seg/)
Dockerfile: docker/hailo8/yolov5n_seg.dockerfile

YOLOv5-seg

Primeros pasos

Detalles del modelo

YOLOv5-seg en reComputer R Series (CM5 + Hailo-8)

Información del modelo

Configuración de hardware y del host

Descargar la imagen

Ejecutar con el vídeo de demostración

Modo cámara USB

API REST

Detalles de implementación